收藏本站
《西安电子科技大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

几类优化问题的人工蜂群算法

孔翔宇  
【摘要】:优化问题无处不有,而且各个领域提出的优化问题越来越复杂,许多传统的优化算法在一些复杂的优化问题面前变得无能为力.因此,人们不断寻找新的求解方法.仿生智能优化算法的出现,使得这些复杂优化问题的求解变为现实.由于该方法一般不需要目标函数和约束条件的任何先验信息,能较好适应复杂优化问题的求解,具有并行计算的特点,同时具有很好的鲁棒性,仿生智能优化算法一出现就引起了广大科研人员的关注,被应用于旅行商问题、神经网络训练、图像处理等问题.2005年提出的人工蜂群算法就是一种仿生智能优化算法,已成功应用于众多研究领域.但人工蜂群算法与以往的智能优化算法一样,也存在种群探索能力与开发能力之间不平衡的问题,算法的探索能力强大,但开发能力不足,易于陷入局部最优,收敛速度慢等,且其数学理论基础也十分薄弱.本文针对人工蜂群算法的缺点,提出了几种改进的人工蜂群算法,成功应用于函数优化问题,约束函数优化问题和非负线性最小二乘问题.同时通过引入随机过程中的鞅理论证明了人工蜂群算法的几乎处处必然强收敛性.本文的主要研究工作如下:1、证明了人工蜂群算法的收敛性.已有的人工蜂群算法收敛性分析是基于算法的遍历性分析,在概率收敛意义下考虑的.这种收敛性分析不确保算法在有限步内收敛到问题的全局最优解.本文尝试运用鞅论研究人工蜂群算法的几乎必然强收敛性,证明了人工蜂群算法确保能以概率1在有限步内达到全局最优解.这一结论为拓宽人工蜂群算法的应用范围奠定理论基础,并为人工蜂群算法的改进及收敛性研究提供了新的理论工具.2、提出了一种全局优化问题的混合人工蜂群算法.该算法通过引入正交初始化方法,使初始种群分布更加均匀,提高了算法的搜索效率,同时对原始算法雇佣蜂和跟随蜂的搜索方程添加随机扰动项,扩大了算法的搜素范围,利用benchmark函数测试所提算法的有效性,实验结果、收敛曲线图和箱型图表明算法能快速收敛到全局最优解.3、提出了一种求解函数优化问题的改进人工蜂群算法.该算法受差分进化算法的启发,对雇佣蜂和跟随蜂提出了两种新的搜索方程,利用p概率控制两个方程的使用,同时引入正交初始化方法,利用benchmark函数测试改进人工蜂群算法的性能,实验结果表明,所提算法比一些改进人工蜂群算法和其他智能优化算法更有效.4、提出了一种求解非负最小二乘问题的人工蜂群算法.该算法受粒子群算法和差分进化算法的启发,提出两种改进的搜索方程,在算法执行过程中不在区分雇佣蜂和跟随蜂的区别,将其统一为一种蜜蜂,利用p概率控制两个搜索方程的使用,通过测试函数确定参数p值,同时引入正交初始化,利用benchmark测试函数和非负最小二乘问题的实例测试,表明所提出的算法比其他改进算法和其他智能优化算法收敛速度更快,解的精度更高.5、提出了一种全局优化问题的混沌人工蜂群算法,并将该算法应用于非负线性最小二乘问题.为了克服人工蜂群算法的不足,算法中使用反学习初始化作为种群初始化方法.为了进一步改进算法的性能,均衡算法的探索能力和开发能力,为新算法设计了新的搜索机制.另外,在算法中加入混沌局部搜索机制,使得算法在最优解周围进行局部搜索.利用benchmark测试函数和非负最小二乘问题的实例测试,表明所提出的算法比其他改进算法和其他智能优化算法收敛速度更快,解的精度更高.6、针对约束函数优化问题,提出了一种算法投资组合的人工蜂群算法.该算法基于自适应约束处理进化策略和Deb选择策略下的人工蜂群算法,原有的处理约束函数优化问题的方法大部分是把算法的运行时间全部投入到一种算法或者是约束技术上去,该算法投资组合把算法的运行时间分配到不同的算法和约束处理技术上,避免了算法运行的风险,同时在算法中设计一个迁移阶段,用来反应算法之间的信息交流与共享,benchmark函数实验结果表明该算法比其他算法在求解约束优化问题时拥有更高的成功率,更有效.
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期
2 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期
3 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期
4 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期
5 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期
6 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期
7 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期
8 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期
9 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期
10 周骏;陈鸣;张佳明;;两类频繁项算法在网络流上的适用性评估[J];计算机工程;2011年16期
中国重要会议论文全文数据库 前10条
1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年
2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年
3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年
4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年
7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年
10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
中国博士学位论文全文数据库 前10条
1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年
2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年
3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年
4 杨玉婷;头脑风暴优化算法与基于视频的非接触式运动定量分析方法研究[D];浙江大学;2015年
5 刘杰;全局优化问题的几类新算法[D];西安电子科技大学;2015年
6 柏静;基于多种混合策略的人工蜂群算法改进研究[D];山东师范大学;2016年
7 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
8 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年
9 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
10 潘磊;若干社区发现算法研究[D];南京大学;2014年
中国硕士学位论文全文数据库 前10条
1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年
2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年
3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年
4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年
5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年
6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年
7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年
8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年
9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年
10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026